[发明专利]基于多维特征和模型融合的提高预测血尿酸精度的方法

权利要求书

1.一种基于多维特征和模型融合的提高预测血尿酸精度的方法，其特征在于，所述方法包括以下步骤：

对原始数据集进行数据清洗，包括：删除异常符号、格式处理、删除无用特征、纠正非法值、归一化和数据变换，对清洗后的数据集中的数字特征和文字特征，分别进行相关系数计算筛选出重要特征；对所述重要特征进行扩充，以此获得更加丰富的特征；

根据递归消除从更加丰富的特征中删除无用特征，选择出最佳特征，重复迭代，直至遍历所有的特征；

对原始语料进行预处理删除其中的异常符号，并删除无用单词；

对预处理后的语料进行分词并通过Doc2vec算法提取特征向量，对特征向量进行训练，将训练结果作为新的特征向量加入到原始特征集中，构建完备的特征集；

基于Boosting和Stacking的多模型融合，对完备的特征集进行预测，获取血尿酸值的精度；

其中，所述相关系数计算为：通过分析数字特征、文字特征和预测目标的相关性，初步筛选重要特征，对重要特征进行分析，数据特征分为两部分，一部分是数字型特征中包含的信息，数字型特征包括：连续值和离散值；另一部分为文字型特征，是B超的检查诊断，通过分词后对文字型特征使用算法进行提取；

所述基于Boosting和Stacking的多模型融合具体为：

1)基于Boosting的GBDT算法，对于弱学习器进行初始化；

2)GBDT通过迭代不断计算残差r_jm；

3)对叶子区域j＝1,2,..J计算最佳拟合值，如下式所示；

其中，y_i为数据集的标签，γ为模型预测值，L为损失函数，目标为最小化损失函数，x_i为输入数据，f_m(x)为一颗新的回归树，对应的叶子节点区域为R_jm；

4)更新学习器，如下式所示：

其中，I为满足x∈R_jm条件个数，更新后的学习器输入x，输出f(x)即为预测值。

2.根据权利要求1所述的一种基于多维特征和模型融合的提高预测血尿酸精度的方法，其特征在于，所述对预处理后的语料进行分词并通过Doc2vec算法提取特征向量具体为：

通过Doc2vec模型的训练获得若干维文本向量，每一行代表一位体检者的检查信息；

所获得的文本向量仅由Lightgbm模型单独训练以获得预测结果，将预测结果作为文本向量特征，合并到数值特征中用于构建完备特征集合。